Encontré el consejo de Josh Wills de ‘nunca especializarse en economía’ ofensivo y bastante decepcionante, ya que soy un científico de datos y aspirante a economista actual. ¿Es realmente un mal punto de partida?

Soy un economista convertido en científico de datos, y generalmente estoy de acuerdo con el pensamiento. Como economista, tiene pocas ventajas comparativas sobre las personas que estudian matemáticas, informática, física, etc. Conocen las estadísticas mucho mejor que las especializaciones en informática, pero a las empresas de tecnología generalmente no les importa qué tan bien conozcan las estadísticas , y es probable que no lo sepan . No sé las estadísticas, así como las estadísticas mayores, de todos modos. Y a menos que tenga mucha suerte, no aprenderá programación en sus clases tan bien como lo haría en las ciencias.

La econometría es esencialmente una rama estrecha de las estadísticas, pero hay aspectos positivos y negativos de bajar esa rama estrecha. Como estudiante de economía, estas son sus ventajas:

  • Entiendes el diseño de investigación y los experimentos naturales.
  • Estás acostumbrado a descubrir cuidadosamente la causalidad y a probar tus suposiciones.
  • Le encantan los datos de series temporales y sabe más sobre pronósticos aplicables a los negocios que cualquiera de sus colegas de matemáticas o estadísticas.
  • Conoces todos los tipos de regresión inventados, y puedes explicar modelos como si fuera tu trabajo.

Le animo a que haya muchos tipos de científicos de datos *. La economía no es tonta, pero tiene un mercado más pequeño que los otros campos mencionados. Miré mil publicaciones de trabajo y me entrevisté con una docena de compañías, y mi estimación es menos del 5% de las vacantes de ciencia de datos están dirigidas a personas que estudiaron economía (tal vez el 15% de las vacantes son para personas que se especializan en estadísticas, como opuesto a la programación / bases de datos), pero encontré esas vacantes, y los gerentes de contratación estaban convencidos de que un economista satisfaría mejor sus necesidades. Por casualidad encontré un lugar donde buscaban a alguien con exactamente mi educación, y ha sido una buena opción.

Parece que Josh y gran parte de su audiencia son del tipo que ve a la ciencia de datos como, ante todo, un dominio de los informáticos. Esa es una visión potencialmente limitante, y a medida que las empresas crecen y aprenden cuáles son realmente sus necesidades, creo que esa opinión se suavizará.

* Lea la respuesta de Steve Carnagua a ¿Cuál es la profesión del científico de datos? ¿Cómo difiere de las profesiones relacionadas? para un desglose de por qué el término “científico de datos” es ambiguo y algunas de las categorías más comunes de científicos de datos.

PD: Si obtienes un doctorado en economía y estudias teoría de subastas, básicamente tienes garantizado un trabajo en publicidad en una empresa de tecnología, así que ahí está.

La especialización en economía es una desventaja al comenzar en un rol especializado de contribución única. No hay duda. Pero especializarse en economía en una escuela sólida confiere una gran ventaja a largo plazo .

Veamos los datos, ya que esta pregunta será cuestionada por los científicos de datos. Según los hallazgos del Proyecto Hamilton, el percentil 95 de las especialidades de economía gana mucho más en ganancias de por vida que el percentil 95 de las especializaciones de física, ciencias de la computación e ingeniería. En otras palabras, las ganancias promedio de por vida son más altas para las especialidades de física e ingeniería, pero la distribución de las ganancias para estas especializaciones técnicas es considerablemente más estrecha. Además, las especialidades técnicas ganan más al principio, pero sus ganancias también alcanzan su punto máximo antes.

Recomiendo echar un vistazo a la increíble visualización interactiva creada por el Proyecto Hamilton para aquellos interesados: Ganancias profesionales de College Major | El proyecto de Hamilton

Entonces, puede preguntar qué tiene que ver esto con una carrera exitosa en ciencia de datos. Bueno, si su objetivo es agregar valor a una organización, un título en economía lo ayudará a enfocarse en los problemas correctos . Si eres un experto, por ejemplo, PNL, es más fácil perder el bosque de los árboles. Puede obsesionarse con mejoras marginales en la precisión de la clasificación que no tendrán impacto en un negocio.

También agregaré que el CEO de LinkedIn, Jeff Weiner, tiene un título en economía. A un alto nivel, sabía a dónde dirigir los increíbles esfuerzos de ciencia de datos de LinkedIn de una manera que realmente importaría a los consumidores. De todos los informes, él es alguien que puede ver el bosque desde los árboles.

Estudié economía en la escuela de posgrado y ahora soy gerente de ciencia de datos en Facebook. Josh Wills es absolutamente correcto, la economía es muy tonta. Varias veces durante la clase o leyendo un artículo de revista me convencí de que era parte de una parodia de Monty Python (The Economics of Brushing Teeth, una parodia no muy lejos de lo que tenemos que soportar en nuestra profesión).

Muchas de las técnicas perfeccionadas por los economistas están orientadas a problemas de ciencias sociales que a menudo tienen poca o ninguna información o ninguna variación exógena, lo que a menudo no es muy útil para las aplicaciones de la ciencia de datos. Hacer varias suposiciones que alimentan un modelo complicado rara vez es útil para problemas aplicados. Entonces, como conjunto de herramientas, estoy de acuerdo en que es mejor pasar el tiempo aprendiendo CS, aprendizaje automático, matemáticas, estadísticas, etc.

Sin embargo, para sobresalir verdaderamente como científico de datos, debe poder responder preguntas sobre el comportamiento humano. La economía te prepara muy bien para esto. No he visto que muchos científicos de datos no sean eficaces para responder preguntas de datos empíricos porque su conjunto de herramientas o habilidades de CS eran demasiado limitadas. He visto fallar a varios científicos de datos e informáticos porque no sabían cómo abordar problemas empíricos muy abiertos y no estructurados. En un programa de economía, está expuesto a un arsenal de preguntas complejas de ciencias sociales y muchas formas inteligentes y creativas de abordarlas.

Dadas habilidades de programación similares, apostaría por el científico de datos con experiencia en ciencias sociales cualquier día.

Estoy de acuerdo con Josh en que Math, CS o una ciencia sólida es un mejor punto de partida para la mayoría de los roles de ciencia de datos. Definitivamente, hay aplicaciones económicas interesantes en la ciencia de datos y muchos caminos para el papel, pero si eres un estudiante universitario y sabes que quieres entrar en la ciencia de datos, pensaría en una de las carreras que mencionó.

Yann LeCun dijo algo similar en una entrevista reciente: “Si eres estudiante universitario, toma tantos cursos de matemáticas, estadísticas y física como puedas, y aprende a programar (toma 3 o 4 cursos de CS)”. Exclusivo de KDnuggets: Parte 2 de la entrevista con Yann LeCun

Si sabe con certeza que quiere ser un científico de datos que trabaje en una empresa de Internet, entonces CS, estadísticas y matemáticas son sus mejores opciones para conseguir un trabajo de inmediato, porque sus habilidades son más directamente aplicables. La economía, como especialidad, es realmente más útil para los primeros cursos de pregrado, pero no tanto para una especialización completa. Aprender los conceptos básicos de la toma de decisiones bajo las limitaciones de recursos, los costos de las alternativas perdidas y la optimización son habilidades útiles para la vida, especialmente cuando pasa a la gestión y estará … tomando decisiones bajo las limitaciones de recursos. La mayor parte es bastante obvio y debería ser intuitivo, pero he conocido a muchas personas que realmente no entienden los conceptos básicos de la ventaja comparativa y pasan su tiempo haciendo trabajos en los que son buenos cuando otras personas deberían estar haciendo esos trabajos. en lugar. Cuando ingresa a los cursos económicos más avanzados, comienzan a prepararlo para la escuela de posgrado en economía, que es muy intensiva en matemáticas con modelos formales y se enfoca mucho en las pruebas de existencia (de todos modos, durante los primeros dos años). Gran parte del trabajo en estos modelos formales no será de mucha utilidad, porque los modelos en sí no son tan útiles para las aplicaciones del mundo real en la mayoría de los trabajos. La economía como ciencia todavía está en sus inicios, y no hay muchos conocimientos sólidos que los economistas puedan decir que sea razonablemente cierto (a diferencia de, por ejemplo, la física, que tiene un modelo que puede explicar todo en el universo excepto la gravedad) . Es más útil como marco para pensar acerca de las elecciones y el uso de recursos, y para que tenga la mentalidad de pensar siempre en incentivos y alternativas.

Una nota interesante es que los programas de doctorado en economía también tienen una fuerte preferencia por los estudiantes que estudiaron matemáticas a nivel de pregrado, ¡no economía! Esto se debe a que los estudiantes que son buenos en matemáticas pueden aprender la economía con bastante facilidad, pero es mucho más difícil al revés. Lo que esto me dice es que las universidades deberían repensar su currículum económico de pregrado y a quién debe servir.

¿Qué es la ciencia de datos? ¿Quién es un científico de datos?

Tengo que estar de acuerdo con la declaración de Benjamin en su respuesta:

La especialización en economía es una desventaja al comenzar en un rol especializado de contribución única.

Pero, ¿eso realmente se ajusta al papel de un científico de datos?

  • Opinión personal: no.
  • Respuesta honesta: aún no lo sabemos.

El bombo es enorme y también lo es el marketing que lo rodea. Es un tema candente y se espera que sea lucrativo (si aún no lo es), por lo que obviamente todos quieren que la definición se ajuste mejor.

En Quora, eso parece traducirse en una especie de CS + algunas estadísticas.
Silicon Valley, que recibe tanta atención y está tan centrado en la tecnología, lo dirige aún más, sin duda.

Tenga en cuenta que hay muchas otras industrias por ahí y no estoy convencido de que compartan esta opinión sobre la ciencia de datos.

La ciencia de datos no es tan nueva. No estaba estrechamente relacionado con TI.

Tomar al por menor o banca. Estas industrias han estado haciendo ciencia de datos durante mucho más tiempo de lo que existe la exageración. Basado en los proyectos que hice allí (y las habilidades que me metieron), no están buscando personas de TI para hacerlo. Tampoco están buscando el último algoritmo más grande. Lo que quieren (de nuevo, según su impresión personal) son personas que puedan pensar junto con el negocio, puedan trabajar con datos, teniendo el negocio en mente. Quieren modelos de los que al menos puedan obtener una comprensión de alto nivel, quieren resultados lo suficientemente buenos mañana, no mejores resultados en 3 meses. Y si ese es su objetivo, no necesita un pequeño ejército de personas de CS que modifiquen un clúster Spark, ejecutando su algoritmo desarrollado internamente. Usted le paga a un proveedor de la empresa por un conjunto de herramientas que les permite a sus personas de BI / CRM, que tienen un nivel moderado de aptitud técnica, obtener respuestas.

Por supuesto, estoy exagerando, pero el resultado final es que el resultado final es dinero. Y para muchas industrias, no se encuentra en el último y más profundo aprendizaje profundo que tomó años y fortunas. Y el negocio no confía en ellos porque no lo entienden.

La ciencia de datos puede ser amplia. Y un economista puede hacerlo bien.

Si ha tenido una especialización en economía, elija algo que se aplica principalmente a la economía aplicada y se aseguró de adquirir también algunos conocimientos de CS y estadística en el camino, probablemente le irá bien en muchas industrias. Es posible que no lo llamen Data Science allí y que no implique la programación en un lenguaje de nivel moderadamente bajo o incluso una herramienta no empresarial, pero eso no lo hace menos Data Science si está construyendo un modelo para identificar posibles ventas ascendentes objetivos para un nuevo tipo de préstamo o si está tratando de averiguar en función de las ventas y los datos demográficos por qué las ventas de Tide están disminuyendo constantemente en las tiendas.

Demonios, aún podrías terminar en una empresa de tecnología. No es que la universidad sea la única forma en que alguien puede obtener algo de competencia en programación. Al igual que no es imposible que alguien con experiencia en cs / estadísticas tenga alguna idea de la economía.

pd: no voy a – intentar – hacer afirmaciones de que lo que ves sobre economía es lo aplicable en el campo. pero yo diría que ayuda a obtener una determinada mentalidad que sin duda es útil.

El campo de la economía tiene sus detractores.

Según mi profesor de economía, entiendo que los matemáticos inciden cada vez más en el campo. Sin embargo, puede imponer quejas contra cualquier mayor. Incluso algo tan infalible como la ingeniería tiene sus detractores. Aquí hay algunos graduados de Ingeniería de UC Berkeley quejándose de carreras en ingeniería.

Cada importante tiene sus defectos porque nadie adquiere el banco completo de conocimiento humano. Por eso existen los equipos . Juntas a personas con diferentes bancos de conocimiento y diriges una empresa que trae el tocino a casa. Si te gusta la economía, ignora a los que odian. Trabaja duro haciendo lo que amas, sobresale y encuentra un equipo que necesite tu pasión mientras todos los demás hacen videos de Youtube quejándose de cómo no llegaron a ningún lado después de holgazanear haciendo algo que no amaban. Si logra las habilidades para convertirse en un científico de datos, nadie debe considerar que usted también tiene pasión y conocimiento en ciencias sociales.

Me especialicé en Estadística, menor en Economía y he trabajado como comerciante y actualmente analista de datos en un casino.

– Desde mi experiencia, el conocimiento de Economía no está relacionado con ninguno de mis trabajos. También soy bastante bueno en el comercio, pero mis estrategias no están relacionadas con el conocimiento de economía.

– Competí en Kaggle (una competencia de ciencia de datos) durante el tiempo libre. Básicamente, hasta donde sé, el 90% de los ganadores son de CS, Matemáticas, Física, Estadística, etc.

– Sugiere que la biología es razonable. Esto es cierto porque hay muchos problemas en biología, está relacionado con la ciencia de datos y tiene muchos problemas computacionales bien definidos (gen, cáncer), a diferencia de la economía, que no es un “buen patio de recreo”. Y si se trata de temas de economía, normalmente no necesita conocimiento de economía, al igual que trabaja como analista de BI, no necesita estudiar negocios, porque está basado en datos y es el mejor algo (aprendizaje profundo, conjunto) hoy en día son blackbox.

La especialización cuantitativa, como las matemáticas o la CS, tiene ligeras ventajas en términos de análisis de datos. Sin embargo, si eres lo suficientemente inteligente, realmente no importa lo que seas mayor. Lo único que importa es si te gusta la especialidad y el tema, y ​​eventualmente encontrarás una manera.

Aquí está mi consejo, y apuesto a que Josh Wills estaría de acuerdo conmigo: estudia lo que te interesa.

Tome cursos de Econometría y teoría de juegos + teoría de subastas (si los anuncios le interesan). Aprende a codificar. Tome algunos cursos de aprendizaje automático. Estarás bien.

Obtuve una buena formación cuantitativa con mi especialización en economía y más tarde hice muchos cursos sobre análisis de datos. En mi experiencia, somos mucho mejores que la mayoría de los ingenieros y los mayores en lo que respecta a estadísticas. En realidad entendemos los procesos detrás de muchos algoritmos. La intuición Al menos desde mi punto de vista, también estamos haciendo una buena investigación. Lo que realmente necesita para mejorar su conjunto de habilidades son las habilidades de programación. La recuperación y el formateo de datos es una tarea importante de la ciencia de datos.

Esto aún no se ha dicho, pero creo que es importante destacar:
Lo que obtienes de una especialización en economía es diferente según el colegio o la universidad. Hay un espectro y algunas escuelas lo enseñan de manera más cualitativa, mientras que otras lo enseñan más como matemática aplicada.

Con las ciencias duras, probablemente haya más uniformidad con la forma en que se enseña en las escuelas.

tldr: La especialización en economía en algunas escuelas podría ser un buen punto de partida para los aspirantes a científicos de datos.